| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-28页 |
| ·计算系统生物学的发展、研究现状及意义 | 第13-18页 |
| ·基因调控网络研究概述 | 第18-24页 |
| ·基因及基因的调控机制 | 第18-20页 |
| ·基因表达数据分析 | 第20-22页 |
| ·基因调控网络研究的意义及难点 | 第22-24页 |
| ·论文的研究内容及创新 | 第24-25页 |
| ·论文结构 | 第25-26页 |
| ·本文小结 | 第26-28页 |
| 第二章 基因调控网络数值研究的理论及方法 | 第28-46页 |
| ·构建基因调控网络的问题描述 | 第28-30页 |
| ·构建基因调控网络的线性微分方程模型 | 第30-38页 |
| ·布尔网络模型、贝叶斯模型和关联网络模型 | 第31-35页 |
| ·线性微分方程模型 | 第35-37页 |
| ·模型的比较与分析 | 第37-38页 |
| ·具有统计学意义的基因调控网络的评估方法 | 第38-43页 |
| ·假设检验的原理 | 第39-40页 |
| ·假设检验的步骤 | 第40-42页 |
| ·假设检验的方法 | 第42-43页 |
| ·基因调控网络构建精度的评估方法 | 第43-44页 |
| ·基因调控网络可视化方法 | 第44-45页 |
| ·本文小结 | 第45-46页 |
| 第三章 基于扰动数据的基因调控网络推断算法 | 第46-74页 |
| ·引言 | 第46-47页 |
| ·构建基因调控网络的难点 | 第47-48页 |
| ·基于多元回归的网络识别算法NIR | 第48-51页 |
| ·NIR 算法 | 第48-50页 |
| ·统计显著性检验 | 第50-51页 |
| ·逐步回归的网络推断算法SWNI | 第51-57页 |
| ·SWNI 算法 | 第52-55页 |
| ·逐步回归算法流程图 | 第55-56页 |
| ·统计显著性检验 | 第56-57页 |
| ·算法性能分析 | 第57-70页 |
| ·生物实验数据分析 | 第58-65页 |
| ·数值实验分析 | 第65-66页 |
| ·算法计算速度测试 | 第66-70页 |
| ·SWNI 算法的并行化应用 | 第70-72页 |
| ·SWNI 算法的并行处理策略 | 第70-71页 |
| ·并行化应用 | 第71-72页 |
| ·本文小结 | 第72-74页 |
| 第四章 大规模基因调控网络模拟算法及应用 | 第74-95页 |
| ·引言 | 第74-75页 |
| ·基因调控网络的复杂网络模型 | 第75-77页 |
| ·大规模基因调控网络的计算模拟 | 第77-86页 |
| ·基因调控网络的整体拓扑结构模拟 | 第77-80页 |
| ·人工基因调控网络的稳定性和鲁棒性 | 第80-85页 |
| ·从人工网络中产生基因表达数据 | 第85-86页 |
| ·大规模人工基因调控网络的性能评估 | 第86-88页 |
| ·动力学稳定性测试 | 第86-87页 |
| ·与真实基因调控网络的比较及分析 | 第87-88页 |
| ·并行模拟大规模基因调控网络的应用 | 第88-94页 |
| ·数据集 | 第88页 |
| ·GN-Simulator 的算法评估步骤 | 第88-90页 |
| ·基于大规模人工网络的算法性能分析 | 第90-94页 |
| ·本文小结 | 第94-95页 |
| 第五章 小鼠神经干细胞的基因调控网络构建 | 第95-112页 |
| ·dcf1 与小鼠神经干细胞分化研究 | 第95-96页 |
| ·数值实验方法 | 第96-101页 |
| ·实验数据来源 | 第101-105页 |
| ·生物实验数据 | 第102-104页 |
| ·数据库数据 | 第104-105页 |
| ·结果及分析 | 第105-110页 |
| ·网络的统计学意义 | 第108-109页 |
| ·网络的生物学意义 | 第109-110页 |
| ·本文小结 | 第110-112页 |
| 第六章 总结与展望 | 第112-115页 |
| ·总结 | 第112-113页 |
| ·未来研究的展望 | 第113-115页 |
| 参考文献 | 第115-124页 |
| 作者在攻读博士学位期间完成的学术论文和取得的科技成果 | 第124-125页 |
| 作者在攻读博士学位期间参与的科研项目 | 第125-126页 |
| 致谢 | 第126-128页 |